こんにちは。フルカイテン広報の南です。今月途中に待望のデータサイエンティストがジョインしました。道下環久(わく)、通称ジョージです。学生時代に訪れた中米カリブ海の国でボランティアをした経験から、ゴミや廃棄の問題に思い入れが深いジョージ。「研究よりも実践」の姿勢で、世界の廃棄問題を解決するSaaS『FULL KAITEN』の価値向上に余念がありません。弊社でA予測モデルの開発をメインに担当するジョージに入社「初日」を振り返ってもらいました。

在庫ビジネスとエンジニア

2020年1月に入社しました道下です。フルカイテンでは予測モデル開発周りを担当します。忙しい方のためにこのフィード記事の要点を3つにまとめました。

• ビジネスサイドもエンジニアもFULL KAITENが達成したいことを深く共有している
• FULL KAITENは単なる予測モデルではなく大量廃棄削減に資する在庫問題解決のためのSaaS
• 精度だけでなく性能や提供する価値まで考えるモデル開発に携われるのでワクワクしている

フルカイテンでは入社後の研修で、エンジニアも代表・瀬川の営業に同行します。このことを知らされたときは衝撃を覚えました。衝撃といっても悪い意味ではなく、ビジネスの現場で実際に起きていることをきちんと伝えてくれるのか、と感銘を受けたということです。

一般的に、開発の対象としているビジネスの現実をエンジニアが知る機会は少ないと思います。いかにそのビジネスについて学んでも、現場の生の声を聞かないことには理解が深く進みにくいですし、自分自身も過去の業務でそういったモヤモヤを感じることがありました。

実際のビジネスに対する理解が深まる仕掛けは営業同行にとどまりません。瀬川はかつて在庫ビジネスを手がけ、在庫過多が原因で倒産の危機に瀕して乗り越えた経験をもちます。このため瀬川の話は非常に明快で、かつビジネスの話がどのメンバーにも等しく共有されるため、Slackでの議論もプロダクトがお客さまに提供する「体験価値」に主眼が置かれた活発なものになっています。

ビジネスサイド・エンジニアチームが一体となってお客さまに価値を提供しようとしている本気さは、まさに私が求めていたものでした。

在庫問題の解決に向けて顧客が求めるものとは

私の場合、「在庫×予測」というと需要予測がまっ先に思い浮かぶのですが、FULL KAITENは単なる需要予測システムではないんです。

FULL KAITENでは、各商品についてSKU(品番からサイズやカラー別でさらに枝分かれした商品管理の最小単位)単位で需要を予測した上で「どういう商品の販促を強化すべきか」であったり「どのSKUを優先的に発注すべきか」まで示してくれます。精度にばかりこだわりがちな予測システムにおいて、FULL KAITENには「顧客が欲しいもの」が備わっているのです。

AIに将来の需要を高精度で予測させることは、現在の技術では不可能です。これに対し、FULL KAITENはAIの予測が外れた場合でも在庫問題を解決する方策をお客さま企業に示すことができるのです。

単に従来の需要予測に当てはめるのではなく、お客さまにどういう価値を提供するのかがきちんと練られている点は衝撃でした。これこそ在庫問題解決のためのSaaSだと。

↓東京メンバーによる歓迎会。幹事の根岸(左端)の方が楽しそう

在庫問題の先にある大量廃棄の削減

実は個人的に廃棄物削減というテーマには思い入れがあります。学生時代、カリブ海のドミニカ共和国でボランティア活動をしていて、近隣の中米コスタリカへ行く機会がありました。コスタリカは美しい国立公園が多いことで有名で、街もとても綺麗でした。

しかし、ドミニカ共和国へ帰ってきて、ドミニカがゴミや廃棄物が多くて汚いことに気付いたのです。風光明媚な美しい島国の廃棄物問題を何とかしたい。それが廃棄物削減という研究テーマの礎となりました。

前職はレコメンデーションモデルの開発に携わっていました。Amazon.comなどで買い物をした時に必ず出てくる「よく一緒に購入されている商品」がその例です。

しかしながら「廃棄物×データ」を軸にしたビジネスは少なく、あったとしても廃棄削減という観点は殆どありません。そもそも「廃棄物×データ」という領域が、ビジネス的な観点ではまだまだ難しいというのが現状ではないでしょうか。

なので、在庫削減という体験価値で成果を挙げ、大量廃棄問題の解決という観点でも大きな注目を集めるFULL KAITENを知ったときは本当に驚きました。

採用面接で瀬川の話を聞いただけでもポテンシャルの高さを感じましたが、入社してプロダクトを更に知るにつれ予想以上のものだったと認識しました。

フルカイテンが「ミッション」で掲げているとおり「必要な商品が必要な量だけ流通する社会」を実現できるもので、学生の頃に思い描いていた「廃棄物×データ」の仕事はまさにこれだと感じました。

私の主なタスクはFULL KAITENの予測モデルを発展させていくことです。予測モデルの発展と言っても考えるべきことは精度だけでなく（当たり前ではありますが）、システムに組み込んだときの性能や、予測モデルが導入したお客さまへ具体的にどのような価値を提供できるのかという点も重要です。つまり「どういう問題に落とし込むか」が主なタスクになります。

大変ではありますが、フルカイテンがこれから一気に成長を目指すフェーズにあるからこそ取り組めるタスクだと思います。むしろ自由な切り口で取り組めるということにワクワクする気持ちが大きいです。

FULL KAITENが解決しようとしている課題は私が解決したい問題でもあります。いち早くこのプロダクトの価値向上に貢献できるようがんばります!

そのためにも、フルカイテンにジョインしてくれる皆さんをお待ちしています!